输入特征向量的自适应优化——以遥感图像K-均值聚类为例

• 作 者: 任旭瑞 周坚华
• 机 构: 华东师范大学地理系,华东师范大学地理信息科学教育部重点实验室
• 出 处: 遥感信息
• 发表日期: 2016年02期
• 关键词: 聚类 特征空间 权重向量 自适应 K-MEANS clustering feature space weight set self-adaption K-

针对在常规聚类应用中一般通过人工试凑调试输入特征分量表达式和权重所带来的参数选择困难的问题,该文以自适应计算替代人工调试为目的,给出了一个称为"输入特征向量自适应优化"(Self-adaptive Optimization of Input Feature Vector,SOIFV)的新方法。SOIFV分为两个部分:1)优化输入向量各分量的权重,它通过评估聚类结果的均质特性和紧密程度,确定权分量的改正方向和改正值,通过迭代逐步逼近最适宜的权向量;2)优化特征向量的描述符组合,这种优化通过使用描述符范